买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：兰州理工大学

摘要：本发明公开了一种基于MSDC‑Swin‑T的齿轮箱故障诊断方法,涉及故障诊断技术领域，该方法包括如下步骤：获取齿轮箱的一维振动信号；对一维振动信号进行预处理；将预处理后的一维振动信号输入至训练好的MSDC‑Swin‑T诊断模型中进行故障诊断，输出齿轮箱故障诊断结果；MSDC‑Swin‑T诊断模型包括多尺度卷积令牌嵌入模块、Swin‑Transformer模块和softmax分类器。通过该方法可以在实现多尺度局部特征挖掘的基础上，减少计算量，提高齿轮箱故障诊断精度。

主权项：1.一种基于MSDC-Swin-T的齿轮箱故障诊断方法，其特征在于，包括如下步骤：S1、获取齿轮箱的一维振动信号；S2、对所述一维振动信号进行预处理；S3、将预处理后的一维振动信号输入至训练好的MSDC-Swin-T诊断模型中进行故障诊断，输出齿轮箱故障诊断结果；所述MSDC-Swin-T诊断模型包括多尺度卷积令牌嵌入模块、Swin-Transformer模块和softmax分类器；所述步骤S3具体包括：S31、采用多尺度卷积令牌嵌入模块对预处理后的一维振动信号进行处理，获得特征图；S32、通过所述Swin-Transformer模块对所述特征图进行处理，获得输出特征；S33、采用softmax分类器对所述输出特征进行故障特征映射处理，获得齿轮箱故障诊断结果；所述步骤S31具体包括：S311、采用扩张卷积对预处理后的一维振动信号进行特征提取，获得多个低阶局部特征；分别使用扩张率为1、2和5的扩张卷积进行低阶局部特征提取，其中扩张卷积的尺寸为3，通道数为96；S312、对每个所述低阶局部特征进行标准化和激活函数ReLU处理；S313、采用坐标重建注意力机制学习每个低阶局部特征的内在相关性，获得坐标重建注意力机制输出特征；S314、对坐标重建注意力机制输出特征进行融合处理；S315、基于融合处理后的坐标重建注意力机制输出特征，获得特征图；所述步骤S313具体包括：利用全局最大池化压缩低阶局部特征的维度，获得第c个通道的输出特征；将第c个通道的输出特征与第c个通道的输入特征相连接并进行卷积融合处理，获得融合特征；采用自适应sigmoid激活函数对融合特征进行权重优化；通过卷积操作和sigmoid激活函数对权重优化后的融合特征进行线性变换，获得线性变换特征；将线性变换特征与第c个通道的输入特征进行残差连接，获得坐标重建注意力机制输出特征；所述采用自适应sigmoid激活函数对融合特征进行权重优化，包括：首先使用1×1卷积层对上述融合特征进行线性变换，用于规范化卷积输出；然后通过两个可学习权重矩阵，与线性变换后的融合特征做点乘运算。

全文数据：

权利要求：

百度查询： 兰州理工大学 一种基于MSDC-Swin-T的齿轮箱故障诊断方法